Ein wesentlicher Faktor für die vielfältigen Anwendungsmöglichkeit und die aktuelle Weiterentwicklung von KI ist die Verfügbarkeit umfangreicher und hochwertiger Daten. Viele wichtige Durchbrüche im Bereich der KI gelingen erst, wenn wir Zugang zu den richtigen Trainingsdaten haben.
Beispiel
So wurde beispielsweise AlexNet, eines der ersten erfolgreichen „Convolutional Neuronal Networks“ (CNN), auf der Grundlage des ImageNet-Datensatzes entwickelt. AlphaFold, ein Durchbruch der KI in der wissenschaftlichen Forschung, wäre ohne Daten zu annotierten Proteinsequenzen nicht möglich gewesen.
Die jüngsten Fortschritte bei großen Sprachmodellen basieren auf umfangreichen Textdaten für das Training. Neben den Trainingsdaten spielen auch andere Daten eine Rolle, wie beispielsweise das Prompt Engineering, bei dem verschiedene Aufgaben allein durch die Anpassung der Eingabedaten erfüllt werden, während das Modell unverändert bleibt. Gleichzeitig haben auch die Technologieunternehmen den Wert von Daten erkannt und Unternehmen wie Meta haben eine Dateninfrastruktur aufgebaut, um Daten für den Aufbau von KI-Systemen bereitzustellen. All diese Bemühungen zum Aufbau von Trainingsdaten, Inferenzdaten und der Infrastruktur zur Pflege der Daten haben den Weg für die heutigen Errungenschaften im Bereich der KI geebnet.
Die große Bedeutung der Daten im KI-Lebenszyklus führte zur Entwicklung des Konzepts der datenzentrierten KI (Zha et al. 2025). Im klassischen, modellzentrierten KI-Lebenszyklus liegt der Schwerpunkt bislang vor allem auf der Auswahl und Optimierung leistungsfähiger Modelle, während die zugrunde liegenden Daten weitgehend unverändert bleiben.
Hinweis
Dieses Vorgehen übersieht jedoch mögliche Qualitätsprobleme wie fehlende Werte, fehlerhafte Labels oder Anomalien in den Datensätzen.
Die datenzentrierte KI setzt genau hier an: Sie betont die systematische Aufbereitung und Verbesserung von Daten als Grundlage für den Aufbau zuverlässiger KI-Systeme und verlagert damit den Fokus vom Modell hin zu den Daten.
Mit dieser Entwicklung gewinnt auch der Umgang mit sensiblen Informationen zunehmend an Bedeutung. Da KI-Systeme heute mehr personenbezogene und vertrauliche Daten als je zuvor verarbeiten, steigen die Anforderungen an Datenschutz und Compliance.
Beispiel
Ein anschauliches Beispiel findet sich in der Medizin: In der Diagnostik unterstützen KI-Systeme die Analyse von Röntgenbildern, Blutwerten oder genetischen Informationen. Ohne Zugang zu diesen hochsensiblen Daten könnten Algorithmen jedoch keine Muster erkennen, die etwa auf eine frühe Tumorerkrankung hinweisen.
